Google ha anunciado la disponibilidad general de Gemini Omni 1.2 Flash, la versión más nueva de su modelo de generación de vídeo multimodal. Según el anuncio oficial de Google, la actualización trae creación de video nativo de 15 segundos, edición conversacional de múltiples turnos y adherencia mejorada a las referencias, al tiempo que reduce los precios en un 30 por ciento. El modelo se está implementando hoy en Gemini API, Google Cloud, Google Vids y Gemini para empresas.
Anish Nangia, gerente de producto de Google DeepMind, presentó el lanzamiento en una publicación de blog titulada "Gemini Omni 1.2 Flash: rápido y rentable con clips más largos", posicionándolo como una opción lista para producción para desarrolladores y empresas que generan contenido de video a escala. Para más contexto sobre esta historia, consulta nuestra últimos avances en IA.
Novedades de Gemini Omni 1.2 Flash
La capacidad principal es soporte nativo para videoclips de 15 segundos, una extensión significativa con respecto a las versiones anteriores de la línea Omni. Google dice que el modelo también ofrece una mayor coherencia entre fotogramas, lo que es importante para proyectos profesionales donde la continuidad entre tomas puede mejorar o deshacer el resultado final.
La segunda gran incorporación es la edición conversacional en varios turnos. En lugar de regenerar un clip desde cero cuando un detalle está mal, los desarrolladores y creadores ahora pueden refinar los videos mediante una secuencia de instrucciones conversacionales. Google dice que esto permite ajustes más rápidos sin comenzar de nuevo, lo que debería reducir tanto el tiempo de iteración como los costos simbólicos para los equipos que producen videos en volumen.
Google también ha mejorado lo que llama adherencia a las referencias: la capacidad del modelo para ceñirse a las referencias visuales y las instrucciones que proporciona un usuario. En términos prácticos, eso significa que los personajes, estilos y elementos de la escena guiados por una imagen o descripción de referencia deberían permanecer más fieles en todo el clip generado.
El precio cae un 30 por ciento
El costo ha sido uno de los principales obstáculos para el uso en producción de la generación de videos con IA, y Google lo está atacando directamente. La compañía redujo el precio de Gemini Omni 1.2 Flash en un 30 por ciento en comparación con la versión anterior, enmarcando el modelo como una opción rentable para la producción de vídeo de gran volumen.
El recorte de precios llega a medida que se intensifica la competencia en la generación multimodal. OpenAI, Meta y una ola de nuevas empresas se han sumado al video de IA durante el año pasado, y los desarrolladores eligen cada vez más modelos basados en el costo por clip tanto como en la calidad bruta. La decisión de Google de combinar clips más largos con precios más bajos sugiere que quiere que Gemini Omni sea la opción predeterminada para cargas de trabajo comerciales en lugar de sólo experimentos.
Dónde pueden usarlo los desarrolladores
Gemini Omni 1.2 Flash está disponible de forma generalizada, lo que Google enfatiza significa que está listo para las necesidades de producción en lugar de una vista previa experimental. Los desarrolladores pueden acceder a él a través de la API de Gemini y Google Cloud, mientras que los usuarios empresariales pueden usarlo dentro de Google Vids y Gemini para empresas para producir contenido de video para flujos de trabajo de marketing, capacitación y comunicación.
Esa distribución importa. Integrar el modelo directamente en herramientas adyacentes al espacio de trabajo, como Google Vids, le brinda a Google un canal para los clientes empresariales por el que las nuevas empresas de generación de videos tienen que luchar por un contrato a la vez.
La rápida cadencia de la línea Omni
Gemini Omni 1.2 Flash llega aproximadamente diez semanas después de que Google presentara Gemini Omni 1.1 Flash a fines de agosto, y aproximadamente cinco meses y medio después de que el Gemini Omni original debutara en mayo. La cadencia constante de actualizaciones aproximadamente trimestrales refleja la rapidez con la que Google ahora itera sus familias de modelos de vanguardia, con variantes Flash posicionadas como el nivel más rápido y asequible de cada generación.
El lanzamiento llamó la atención inmediata de la comunidad de desarrolladores. El lanzamiento encabezó Hacker News el viernes por la mañana, acumulando más de 170 puntos y más de 130 comentarios en cuestión de horas, con la discusión centrada en el precio, el límite de 15 segundos y cómo se compara el flujo de trabajo de edición del modelo con las alternativas.
Qué significa para el mercado de vídeos con IA
La actualización llega en un momento turbulento para las empresas de inteligencia artificial. La liquidación del mercado de valores de esta semana, provocada en parte por las preocupaciones de los inversores sobre la monetización de la IA, ha presionado a todos los laboratorios importantes para que demuestren que la investigación de vanguardia se traduce en ingresos. Una generación de video más barata y más rápida es una respuesta directa a esa pregunta: los precios más bajos amplían la base de clientes y el estado de listo para la producción invita a presupuestos empresariales que las herramientas en etapa experimental nunca alcanzan.
Para los desarrolladores, la conclusión práctica es sencilla. Si las cargas de trabajo de generación de video anteriormente estaban limitadas por la duración del clip, el precio o el dolor de regenerar la salida después de cada cambio, Gemini Omni 1.2 Flash elimina al menos dos de esos tres puntos de fricción hoy. Si los rivales responden con recortes de precios equivalentes, como lo han hecho después de lanzamientos anteriores de Gemini Flash, será una de las historias a observar en las próximas semanas.
Las mejoras en la consistencia merecen especial atención por parte de los equipos que probaron modelos de video anteriores y abandonaron. El anuncio de Google se dirige específicamente a "proyectos profesionales", reconociendo que la coherencia cuadro a cuadro (personajes que se ven iguales en todas las tomas, iluminación que no cambia a mitad de escena) es lo que separa una demostración del contenido entregable. Combinado con la edición conversacional, el flujo de trabajo que describe Google se parece menos a una máquina tragamonedas que regenera clips y más a una herramienta de diseño iterativa.
Google dice que los desarrolladores pueden comenzar a utilizar las nuevas capacidades de inmediato en la API de Gemini, Google Vids y Gemini para empresas.
---
Mantente al Día con la IALas últimas noticias, análisis y avances de inteligencia artificial, en un solo lugar.
Leer más noticias de IA →
